雷锋网AI金融评论按：2018全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网 (大众号：雷锋网) 、香港中文大学（深圳）承办，失掉了深圳市政府的鼎力指点，是国际人工智能和机器人学术界、工业界及投资界三大范畴的顶级交流盛会，旨在打造国际人工智能范畴最具实力的跨界交流协作平台。

6月30日下午，在金融科技专场上，通联数据首席迷信家蒋龙分享了题为《人工智能和大数据助力迷信投资》演讲。

以下是演讲原文，雷锋网作了不改动原意的编辑：

减速开展的大数据时代

明天的主题是金融科技，金融科技是十分广的范畴，有信贷、领取、证券、保险等，我要谈的是金融的子范畴，就是资产管理范畴。

资产管理，复杂说就是如何更好地配置人类所积聚上去的财富，使得社会可以更快提高，能为人类发生更多价值。我们怎样用最好的手腕管理财富，比方说把这些钱应该投向什么行业，投向什么技术，让谁来引导这些钱，让财富更快增长，这是一个宏大的应战，在这个应战面前，我们看到人工智能和大数据可以给我们带来很大的助力。

说到投资大家能够会立马想到股票、基金，有些人想到风险投资，有的人能够会想到投资大宗商品，有的人能够想到做一些珍藏品，这些都是投资，投资的品种很多，但是投资的中心是预测，基于拿到的各种数据去发掘规律，依据规律对将来做出判别，判别能够是这团体将来能够会成就一番大事业，所以投资他的初创企业，或许你预测到了人们的消费趋向在变化，你看到变化可以晓得某些行业将来会受害，你把资源投资这些行业，这些都是基于预测的投资。

所以信息通讯和计算技术关于投资范畴的影响不断以来十分宏大，70年代开端降生指数基金，由人管理钱变成计算机自动管理钱。截至2017年，在北美市场上，指数和量化基金的规模第一次超越了人自动管理的规模，曾经成为主流。随着互联网带来的数据量的变化，随着计算机在数据剖析上的才能的提升，渐渐的我们有方法去对资产的收益和风险停止一些剖析预测，所以我们可以做一些量化对冲，把我们晓得的信息变现，对冲一切风险。随着大数据人工智能的开展，如今有更多的投资科技的名词降生，比方说智能投顾、智能投研等等。

当今投资科技的要素有三个——专业投资了解、大数据和人工智能。 为什么第一个是专业投资了解？几年前美国有一个博士生做过一个实验，他剖析了世界上各种各样的数据，后来他发现孟加拉的黄油价钱跟标普的走势十分想象，他用过来十年的数据证明了这两个根本上可以完全的拟合，但是这只是偶尔拟合，你不能够拿孟加拉的黄油价钱去预测接上去标普500的走势。由于世界上的数据真实太多了，任何一个数据都能够发现偶尔类似的事情，在机器学习范畴我们常常说过拟合，怎样控制过拟合？假如有足够多的数据，可以经过数据自动处理，但是没有的状况下，我们需求有先验支持，有了投资科技，我们开端把投资变成一种迷信化，大家都晓得投资巨匠巴菲特有投资艺术，艺术的东西只会意会不可言传，无法把投资逻辑复制出来，没方法去失掉异样的投资后果，也没有方法去历史上去做实验，投资好在哪里，弱点在哪里，这就不是迷信。有了大数据，人工智能、量化科技，我们有能够把投资作为迷信，可以反复实验剖析投资外面的战略成绩，可以更无效的提升。

投资科技场景

人工智能和大数据在投资外面的使用十分普遍，我这里罗列了几个比拟重要的场景。

第一个叫投资研讨，投资研讨的目的是把信息停止加工，从外面得出投资决策，如今是信息爆炸的时代，如何发掘信息，人脑曾经渐渐觉察很有应战，需求AI帮我们，这里还有非构造化的数据处置，像图象信息、自然言语文本信息、音频数据等等，有了这些信息之后，我们如何开掘规律，人脑可以处置一些变量不太复杂的，假如一百移动互联网在带来全新社交体验的同时，也或多或少使人们产生了依赖。移动互联网使网络、智能终端、数字技术等新技术得到整合，建立了新的产业生态链，催生全新文化产业形态。个一千个变量的话，人脑根本能干为力，这时分如何经过AI来帮我们完成在海质变量下的投资预测。在失掉投资决策之后，我们需求经过买卖来完成决策，如何更低本钱的去停止买卖，每天有很多人在股票市场买卖，你怎样保证最低本钱，对市场是形成最小冲击的，这里基于博弈论的机器学习的办法正在完成价值，包括风控，投资的时分如何控制风险。另外是投资效劳，也是新的范畴，有了投资才能之后，最终是要为人类效劳的，不论是为团体还是企业，怎样样让我们的效劳变得更高效，智能投顾是一个十分大的创新。

我们生处在一个减速开展的大数据时代，每隔几年数据就要十倍的增长，并且指数提升。大数据面前我们晓得无数据采集才能，像智能硬件这方面的提高，也有计算机处置的才能提高，更多的是场景，有了这个技术，有了场景，有了闭环，招致数据像滚雪球一样越来越大，这样的数据对投资来讲可以分红三大类，一种是客观世界的数据，比方说可以经过卫星来察看地球发作什么变化，也可以经过微博去观测人们表达出来的客观想法，从客观世界理解人们的想法，我们也有挪动领取，有很多的买卖，有些企业外面的工业消费的材料，让我们发现一些关系的变化，比方说钱怎样从一方到另外一方，这三种变化可以让我们对世界察看十分细致彻底，而且十分及时，对投资来说这十分重要。

这里我们可以看一个例子，如何应用客观世界的数据协助我们做微观预测。我这里援用了去年美国国度经济研讨中心的一篇文章，这篇文章的标题很有吸引力，“中国的GDP增速能够被低估了”，大家都晓得东方经济学对中国的增长不是那么信任，尤其是统计局的数据，但他们有本人的办法研讨，他们会应用一些另类数据，比方说灯光数据，大家可以看到图上右上角的图片，是美国军用卫星拍摄的北京和天津地域夜晚灯光状况，应用异样相似数据，美国这些经济学家发如今98年亚洲金融危机之后，亚洲各个国度的经济恢复速度和夜晚灯光变化有关系，经过这种方式来预测中国，发现中国过来几十年的GDP增长，能够比我们发布出来的还要高，所以我们不是高估，而是低估了本人，他们估量能够是中国缺乏对第三产业精确预估的才能。

右下角是我们的理论，我们去网站上也下载了中国各个省自治区夜晚灯光的图片，我们做了剖析，发现人均GDP和人均单位面积灯光强度是有十分大的关系，异样的还有很多的自然信息可以应用，比方说有些公司会剖析各个地域空气净化物的成分和比例，来剖析外地的能耗，从能耗外面反映GDP增长，还有人应用卫星图片察看农作物的消费状况，预测接上去GDP的开展状况。除了客观世界，客观世界，还有很多东西来预测。

NLP与非构造化数据处置

假如我们要做投资，会面对海量数据，比方一个国际投资者每天会面临上千篇的上市公司公告、上万篇的财经和行业的重要信息，还无数以千万计的投资者和社交媒体发布的音讯，这些一定是处置不过去的，这时分就要借助于AI来协助我们剖析。这里分享一个复杂例子，怎样样从上市公司发布的公告去提取信息，判别公告能否重要，上面是一篇公司发布的严重合同公告，用自然言语方式描绘了合同签署单方和金额等等，经过自然言语提取的技术，能把这里的关键信息，比方说甲方、乙方、合同金额提取出来，提取之后，依据金额和这个企业过来的状况去判别这些信息能否重要，再结合关系图谱去辨认这两个关系能否存在潜在关联信息等等，这都是我们做构造化处置的重要协助。

机器学习构建非线性战略

方才提到量化管理曾经超越自动管理，成为最次要的投资战略，传统量化是线性模型或许说多因子模型，多因子模型是把一个资产的收益分解成很多因子收益的求和，但是理想生活中太多因子，其实并不是线性关系。比方右边的图是二次关系，用传统基于IC的办法或许做多做空的办法，很难找到无效的因子，机器学习开展给了我们这样的时机，机器学习在对非线性模型的研讨上有很多的积聚，我们可以应用这样的知识去开掘信息中的非线性关系，协助我们预测将来资产的收益。

这是我们应用深度学习做的微观预测，我们用了很多的经济变量，比方权衡供应方面、需求方面，权衡人们信息方面，货币方面的目标，结合隐藏层的模型做一个预测，预测目的是市场的次要指数，比方债的指数，大宗商品的指数，股票的指数，基于这样的指数可以做微观的资产配置和套利。

这是对一个公司的预测，应用机器学习数据，可以像研讨员一样去剖析公司的业务，去预测剖析影响公司中心的目标，最终得出营收的预测。这个图我们是以航空公司为例，一步一步依照人的逻辑去剖析支出和本钱状况，最初会发现一些重要目标，比方说客座率是十分影响公司财务数据的，这样的目标如何预测，其实我们可以用一些办法，应用人均GDP的增长，应用航线数，应用铁路运输状况、机场拥堵度等等数据去预测每个航空公司的客座率，再把这些数据综合起来去预测航空公司将来几个月甚至几年财务的状况。

从我们本人做的一些实验后果来看，在预测主营支出上，机器人剖析的精确率比人要做得更好，而且关于不同行业来说，有80%以上的行业都比人做得好，在美国的一些研讨失掉异样结论，美国的一些公司也做了对美股研讨，发现用机器学习研讨的均匀误差是22%，但是人工剖析师是30%的误差。

除了在预测营收，预测关键财务数字外，买卖上机器学习也能协助我们很多，像阿尔法狗用的是强化学习技术，面临的场景和买卖是一样的，都需求在静态博弈的环境里察看对手的行为，做出本人的判别。在强化学习之前，大家更多的是用传统的，用过来买卖量的数据来估量将来的买卖量，如今可以应用强化学习，应用更细致的盘口数据来预测，依据研讨，这样比传统做法降低27-35%的买卖本钱。

智能投顾

最初想分享一点关于智能投顾，这也是过来十分热的概念，它的想法很好，世界上有很多人都需求财务参谋，但是人工参谋的本钱十分高，所以绝大局部享用不到这样的效劳，当我们有了机器人这样的智能才能之后，我们无机会把参谋效劳本钱降得很低，让金融的益处可以被更多的人享用到。北美地域的智能投顾更多集中在依据用户的风险和投资期限来引荐资产配置组合，依据我们的研讨，中国人还是不太情愿做更长线的投资，这需求教育，中国人很喜欢去股市上买卖，散户十分多，怎样协助中国散户做股票买卖，我们就把异样的才能用在这个范畴，我们去剖析每个用户的买卖，流水，我们剖析他们在什么中央犯差错误，有的是对市场大盘的预测做得不好，招致仓位有很大盈余，我们剖析了这样的成绩之后，可以针对性的提供一些协助，比方可以提供一些智能化的办法，智能化的仓位控制、智能化的止盈止损提示等等，这样可以协助投资者改良弱点。

。